자율주행차량에 구두로 장소를 지시

게이오대학과 혼다가 개발한 고정밀도의 대화 기술

화상(이미지)도 처리할 수 있는 대규모 언어 모델(VLM)의 발전이 현저하다. 하지만 아직까지 현실 세계에 대한 인식 능력이 충분하다고는 말할 수 없다. 예를 들어, ‘책장 앞에 물건을 놓는다’, ‘자동차 뒤로 짐을 운반한다’와 같은 태스크가 있을 경우, 물체를 운반할 목적지의 위치를 제대로 특정하지 못하는 경우가 있다. VLM에 현장의 화상을 입력한 후, ‘책장 앞’이나 ‘차량 옆’을 표시하도록 지시해도 영역을 나타내는 마스크를 적절하게 생성하지 못하는 경우도 있다. 그 원인 중 하나는 통상적인 화상 인식 작업에서 ‘물체(thing)’로 취급되는 책장이나 차 등은 경계가 명확한 반면, ‘영역(stuff)’으로 취급되는 지면 등에는 명확한 경계가 없어 분할이 어렵다는 점이다.

-- 자율주행에서 중요한 능력 --
자율주행차량에 VLM을 응용하는 것을 목표로 이 문제 해결에 도전하고 있는 것이 게이오기주쿠(慶応義塾)대학의 스기우라(杉浦) 교수 연구팀과 혼다(本田)기술연구소의 연구팀으로 구성된 연구 그룹(이하, 연구 그룹)이다. 연구 그룹은 승객이 자율주행 차량에 구두로 지시한 목적지를 차량 전방을 촬영하는 카메라의 영상에서 특정하는 ‘참조 이동 가능 영역(RNR: Referring Navigable Regions)’ 태스크의 실행 기술을 개발해왔다. 그 최신 성과가 2025년 9월에 개최된 로봇 기계학습 국제 컨퍼런스 ‘CoRL 2025’에서 발표한 ‘GENNAV’이다. GENNAV는 RNR을 처리하는 기존의 방법 및 대표적인 VLM에 비해 지시한 위치를 빠르고 높은 정밀도로 특정할 수 있다. 더 나아가 대상 영역이 복수인 경우, 또는 존재하지 않는 경우에도 대응할 수 있다.

상용화를 선도하는 일본후소공업, 반도체 장비의 피막에 채택

MOF를 첨가한 피막(코팅) 재료가 화학 분야와 반도체 분야로 확대되고 있다. 기존 대비 피막의 내구 기간을 4배 이상 연장할 수 있어, 화학 플랜트의 약제 탱크와 반도체 제조 장비의 실리콘 웨이퍼 고정대에 채택되고 있다. MOF를 활용함으로써, 유기불소화합물(PFAS) 프리의 코팅 재료를 실현하려는 움직임도 나오고 있다.

MOF는 금속 이온과 유기 배위자로 구성된 나노 레벨의 구멍을 통해 특정 물질 흡착에 효과를 발휘한다. 이 특성에 주목해 해외에서는 MOF의 상용화 움직임이 활발하다. 한편, 일본에서 MOF의 상용화는 아직 멀었다고 말하는 기업이 많다.

그러한 가운데 일본후소공업(사카이시)은 2020년이라는 이른 시기에 MOF가 첨가된 불소수지 코팅 재료의 상용화에 성공했다. 2025년 9월기(2024년 10월~2025년 9월)에는 이 재료만으로 약 7천만 엔의 매출을 기록했다. MOF를 활용한 제품이 일본후소공업의 매출 상위 10위 안에 진입하는 등, 주력 제품으로 성장하고 있다.

일본후소공업은 세계적인 PFAS 프리 움직임에도 MOF로 대비하기 위해 불소 수지를 사용하지 않는 MOF가 첨가된 코팅도 연구개발 중이다.

대기업과 경쟁, 2027년에 40억 엔 규모의 매출을 목표로

소프트웨어 품질 보증 기업인 SHIFT가 AI(인공지능)를 활용한 기간 시스템의 현대화 사업을 강화하기 시작했다. 2027년까지 40억엔 규모의 매출을 목표로 한다. SHIFT는 이러한 내용을 2026년 1월 20일에 개최한 설명회에서 발표했다.

“기간 시스템의 (현대화) 안건을 실현할 수 있을지 여부는 자사 비즈니스의 큰 전환점이 될 것이다.”라고 SHIFT의 단게(丹下) 사장은 설명회에서 말했다.

-- 생성 AI를 전면 채택 --
SHIFT의 현대화 서비스는 생성 AI를 전면 채택한 것이 특징이다. 이를 통해 저렴한 가격으로 단기간의 서비스를 실현할 수 있다고 한다. SHIFT가 실적을 기반으로 한 모델 프로젝트를 통해 계산한 결과, 일반적인 워터폴 개발에서 시스템을 갱신하는 경우에 비해 기간을 13개월에서 9.3개월, 공수를 월 100.1명에서 54.7명, 가격을 1억 4천만 엔에서 1억 엔으로 절감할 수 있었으며, SHIFT의 매출 총이익을 40%에서 60%로 늘릴 수 있었다.

SHIFT의 현대화는 새로운 시스템을 재설계하는 ‘리빌드’를 전제로 한다. 절차는 크게 2가지 공정으로 구성된다. 우선, 레거시 시스템의 기존 프로그램을 AI로 분석한다. 데이터 항목과 프로그램의 비즈니스 로직 등을 추출해 데이터베이스화한다. 분석한 사양을 기반으로 설계서를 작성한다.

Part 1 총론

CO₂ 회수 및 수소 저장, 코팅에서 촉매, 전자 재료에 이르기까지 2025년 노벨 화학상으로 일약 주목 받고 있는 금속유기골격체(MOF)가 다양한 용도로 성과를 내고 있다. 2030년대에는 환경 분야와 에너지 산업, 배터리, 센서에 이르기까지 활동의 장이 넓어질 것으로 보인다.

“그야말로 눈에 보이지 않는 금(인비저블 골드)이다.” MOF 개발로 2025년 노벨 화학상을 수상한 교토대학의 기타가와(北川) 특별 교수는 주변에 존재하는 평범한 공기에 대해 이렇게 표현했다. 질소, 산소, CO₂ 등, 생명과 산업에 불가결한 원소를 포함하고 있기 때문이다. 공기를 비롯해 다양한 기체를 자유롭게 분리·흡착·회수할 수 있는 것이 MOF이다.
 

요코하마시와 가시마, CO₂ 고정 콘크리트 협약 체결

요코하마시가 이산화탄소(CO₂)의 ‘지산지소(지역생산 지역소비) 모델’ 구축을 목표로, 가시마 건설과 협약을 체결했다. 양측은 2026년 1월 14일, 지역에서 발생한 CO₂를 고정한 친환경 콘크리트 활용을 위한 협력 협약을 체결했다고 발표했다. 협약 기간은 2028년 3월 31일까지다.

협약에 따라 요코하마시가 관할하는 쓰레기 소각시설 ‘쓰루미 공장’의 배출가스에서 회수한 CO₂를 활용해, 가시마 건설이 친환경 콘크리트 ‘CO₂-SUICOM’을 생산한다.

이렇게 생산된 콘크리트 제품은 2027년 요코하마시에서 개최되는 국제원예박람회(GREEN×EXPO 2027) 행사장과 요코하마시의 공공사업 등에 활용한다. 요코하마시에서 발생하는 CO₂를 같은 지역의 건설 공사에 사용하는 콘크리트 제품에 고정함으로써 ‘지산지소’ 모델을 실현한다.

공세를 펼치고 있는 QD레이저 1부

광전융합기술 분야에서 레이저 광원을 둘러싼 패권 경쟁이 펼쳐지고 있다. 지금까지 어려웠던 광전융합 디바이스에 광원을 내장하는 기술이 양자점 레이저(Quantum Dot Laser)이다. 광원을 내장할 수 있게 된다면 소비전력을 크게 줄일 수 있다. 국내에서 양자점 레이저를 개발하고 있는 반도체 레이저 기반 솔루션 기업인 QD레이저는 Co‑Packaged Optics(CPO) 제품에 도입하는 것을 목표로 하고 있다.

CPO에 사용할 수 있는 양자점 레이저의 양산 기술을 보유한 회사는 전 세계적으로 일본의 QD레이저와 독일의 Innolume 단 두 곳뿐이다. QD레이저가 강점으로 내세우고 있는 것은 발광에 사용되는 양자점 형성의 노하우이다. QD레이저의 양자점 레이저는 200℃ 정도의 고온에서도 발광할 수 있기 때문에 발열체가 되는 프로세서 가까이에 배치되어 있어도 안정적으로 동작한다. 현재, 대기업 등과도 연구개발을 가속화해 수 년 후의 양산을 목표로 하고 있다.
 

HBM 대체 노려, 후카쿠 NEXT도 시야에

소프트뱅크의 자회사로 차세대 메모리를 개발하는 사이메모리(SAIMEMORY, 도쿄)는 2026년 2월 2일, 인텔과의 협업을 발표했다. 양 사는 AI(인공지능) 모델의 학습 및 추론에 사용되는 메모리 ‘ZAM(Z-Angle Memory)’을 개발. 2027년에 시작(試作)하고, 2029년에 실용화하는 것을 목표로 하고 있다. 개발에는 이화학연구소(理化学研究所)와 후지쓰(富士通)도 참여할 것으로 전망된다.

양사는 이번 프로젝트에 2027년까지 약 80억 엔을 투입할 계획이다. 개발에는 소프트뱅크가 약 30억 엔, 후지쓰와 이화학연구소가 총 10억 엔 규모를 출자하고, 경제산업성도 지원할 것으로 보인다.

사이메모리의 야마구치(山口) 사장 겸 CEO는 2026년 2월 3일, 인텔이 도쿄에서 개최한 이벤트에 참석해 “개발에서 생산까지 포함된 공급망을 구축해 일관된 솔루션을 제공해 나가고 싶다.”라고 강조했다.

양사는 ZAM이 AI 분야에서 수요가 급증하고 있는 고속 D램 ‘HBM(광대역 메모리)’을 대체하는 것을 노리고 있다. 인텔의 반도체 기술을 기반으로 HBM보다 빠르고 저전력에 저렴한 AI용 메모리를 개발할 계획이다.